ІННОВАЦІЙНІ МЕТОДИ АНАЛІЗУ ДЛЯ ТОЧНОГО ПОДАТКОВОГО ПРОГНОЗУВАННЯ ТА ОПТИМАЛЬНОГО ПЛАНУВАННЯ ДІЯЛЬНОСТІ СУБ'ЄКТІВ ГОСПОДАРЮВАННЯ
Анотація
У статті розглянуто новітні підходи до аналітики, зокрема використання алгоритмів машинного навчання й технологій обробки великих обсягів даних, з метою удосконалення точності податкового прогнозування та ефективного планування діяльності суб’єктів господарювання. Акцентовано на важливості впровадження комплексного підходу, який синтезує економічний аналіз, поведінкові характеристики платників податків та правові зміни, що відбуваються в умовах соціально-економічних трансформацій і дії воєнного стану в Україні. Проведено оцінку доцільності застосування моделей машинного навчання для передбачення обсягів податкових надходжень, зменшення податкових ризиків та удосконалення податкового планування. Окрему увагу приділено перспективам впровадження зазначених моделей у практику вітчизняної податкової системи, з урахуванням її специфіки. Також висвітлено значущість судової практики та юридичної організаційної форми як ключових елементів правової бази, що потребують модернізації крізь призму інноваційних методів аналітики.
Посилання
Греца, Я. В. (2020). Зміст, правові засоби та межі податкового планування зарубіжний досвід та українська практика : монографія. Ужгород : ТОВ «РІК-У». 420 с.
Tagliaferri, G., Scacciatelli, D., & Alaimo Di Loro, P. (2022). VAT tax gap prediction: a 2-steps Gradient Boosting approach. Statistical Methods & Applications. URL: https://arxiv.org/abs/1912.03781 (дата звернення: 20.05.2025).
Wong, C. H., & La, N. (2024). Applying machine learning in tax revenue forecasting. Victoria’s Economic Bulletin, 8(2). URL: https://dtf.vic.gov.au/victorian-economic-bulletin/victorian-economic-bulletin-spring-2023-edition-82 (дата звернення: 20.05.2025).
Li, X. (2023). Financial Fraud: Identifying Corporate Tax Report Fraud Under the XGBoost Algorithm. EAI Endorsed Transactions on Scalable Information Systems. URL: https://www.researchgate.net/publication/370706475_Financial_Fraud_Identifying_Corporate_Tax_Report_Fraud_Under_the_Xgboost_Algorithm (дата звернення: 20.05.2025).
Murorunkwere, B. F., Ngarukiye, H., & Ntirugiribambe, A. (2022). Fraud Detection Using Neural Networks: A Case Study of Income Tax. Future Internet, 14(6), 168. URL: https://www.mdpi.com/1999-5903/14/6/168 (дата звернення: 21.05.2025).
Pantelieieva, N. (2022). Digital transformation of tax administration. Traektoriia Nauki, 8(1). URL: https://pathofscience.org/index.php/ps/article/view/805(дата звернення: 21.05.2025).
Тлучкевич, Н., Оксана, Н., & Писаренко, Т. (2023). Управлінський аспект податкового планування в умовах невизначеності. Економічний форум, 1(2), 66–71. DOI: https://doi.org/10.36910/6775-2308-8559-2023-2-10
Anisimov, V. (2024). Automation of Tax Processes and Their Impact on Decentralized Public Finance Management in Ukraine. Visnyk Khmelnytskoho Natsionalnoho Universytetu, (5). URL: https://heraldes.khmnu.edu.ua/herald/index.php/en/journal/article/view/852 (дата звернення: 22.05.2025).
Xu, C., & Kong, Y. (2024). Random forest model in tax risk identification of real estate enterprise income tax. PLOS ONE, 19(2), e0298017. URL: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0298017 (дата звернення: 22.05.2025).
A1 Consulting. (2024, February 22). Виявляє ухилення, несплату та ризики: як ШІ впливає на сферу податків. URL: https://mc.today/uk/blogs/yak-chatgpt-ta-vzagali-shtuchnyj-intelekt-vplyne-na-podatkovu-sferu-v-tsilomu-ta-podatkovyj-konsaltyng-zokrema/ (дата звернення: 22.05.2025).
Греца, В. Я. (2023). Модифікація податкової системи в умовах воєнного стану. Науковий вісник Ужгородського Національного Університету. Серія ПРАВО, (78, частина 2), 24–31. DOI: https://doi.org/10.24144/2307-3322.2023.78.2.3
Рішень в аналізі, аудиті та оподаткуванні. (2023). Економіка і суспільство, (51). DOI: https://doi.org/10.32782/2524-0072/2023-51-54
Писаренко, Т. Ю. (2023). Психологічні аспекти поведінки платників податків в умовах воєнного стану. Збірник наукових праць «Економіка та суспільство», (51). DOI: https://doi.org/10.32782/2524-0072/2023-51-54
Gretsa, Ya. V. (2020). Zmist, pravovi zasoby ta mezhi podatkovoho planuvannia zarubizhnyi dosvid ta ukrainska praktyka [Content, legal means and limits of tax planning: foreign experience and Ukrainian practice]: monohrafiia. Uzhhorod: TOV «RIK-U». 420 p. (in Ukrainian)
Tagliaferri, G., Scacciatelli, D., & Alaimo Di Loro, P. (2022). VAT tax gap prediction: a 2-steps Gradient Boosting approach. Statistical Methods & Applications. Retrieved from https://arxiv.org/abs/1912.03781 (Accessed: May 20, 2025).
Wong, C. H., & La, N. (2024). Applying machine learning in tax revenue forecasting. Victoria’s Economic Bulletin, 8(2). Retrieved from https://dtf.vic.gov.au/victorian-economic-bulletin/victorian-economic-bulletin-spring-2023-edition-82 (Accessed: May 20, 2025).
Li, X. (2023). Financial Fraud: Identifying Corporate Tax Report Fraud Under the XGBoost Algorithm. EAI Endorsed Transactions on Scalable Information Systems. Retrieved from https://www.researchgate.net/publication/370706475_Financial_Fraud_Identifying_Corporate_Tax_Report_Fraud_Under_the_Xgboost_Algorithm (Accessed: May 20, 2025).
Murorunkwere, B. F., Ngarukiye, H., & Ntirugiribambe, A. (2022). Fraud Detection Using Neural Networks: A Case Study of Income Tax. Future Internet, 14(6), 168. Retrieved from https://www.mdpi.com/1999-5903/14/6/168 (Accessed: May 21, 2025).
Pantelieieva, N. (2022). Digital transformation of tax administration. Traektoriia Nauki, 8(1). Retrieved from https://pathofscience.org/index.php/ps/article/view/805 (Accessed: May 21, 2025).
Truchkevych, N., Oksana, N., & Pysarenko, T. (2023). Upravlinskyi aspekt podatkovoho planuvannia v umovakh nevyznachenosti [Managerial aspect of tax planning in conditions of uncertainty]. Ekonomichnyi forum, 1(2), 66–71. DOI: https://doi.org/10.36910/6775-2308-8559-2023-2-10 (in Ukrainian)
Anisimov, V. (2024). Automation of Tax Processes and Their Impact on Decentralized Public Finance Management in Ukraine. Visnyk Khmelnytskoho Natsionalnoho Universytetu, (5). Retrieved from https://heraldes.khmnu.edu.ua/herald/index.php/en/journal/article/view/852 (Accessed: May 22, 2025).
Xu, C., & Kong, Y. (2024). Random forest model in tax risk identification of real estate enterprise income tax. PLOS ONE, 19(2), e0298017. Retrieved from https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0298017(Accessed: May 22, 2025).
A1 Consulting. (2024, February 22). Vyyavlyaye ukhylennya, nesplatu ta ryzyky: yak SHI vplyvaye na sferu podatkiv [Detects evasion, non-payment and risks: how AI affects the tax sphere]. Retrieved from https://mc.today/uk/blogs/yak-chatgpt-ta-vzagali-shtuchnyj-intelekt-vplyne-na-podatkovu-sferu-v-tsilomu-ta-podatkovyj-konsaltyng-zokrema/ (in Ukrainian) (Accessed: May 22, 2025).
Gretsa, V. Ya. (2023). Modyfikatsiia podatkovoi systemy v umovakh voiennoho stanu [Modification of the tax system under martial law]. Naukovyi visnyk Uzhhorodskoho Natsionalnoho Universytetu. Seriia PRAVO, (78, ch. 2), 24–31. DOI: https://doi.org/10.24144/2307-3322.2023.78.2.3 (in Ukrainian)
Rishen v analizi, audyti ta opodatkuvanni. (2023). [Decisions in analysis, audit and taxation]. Ekonomika i suspilstvo, (51). DOI: https://doi.org/10.32782/2524-0072/2023-51-54 (in Ukrainian)
Pysarenko, T. Yu. (2023). Psykholohichni aspekty povedinky platnykiv podatkiv v umovakh voiennoho stanu [Psychological aspects of taxpayer behavior under martial law]. Zbirnyk naukovykh prats «Ekonomika ta suspilstvo», (51). DOI: https://doi.org/10.32782/2524-0072/2023-51-54 (in Ukrainian
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
